2000元阿里云代金券免费领取,2核4G云服务器仅664元/3年,新老用户都有优惠,立即抢购>>>
阿里云采购季(云主机223元/3年)活动入口:请点击进入>>>,
阿里云学生服务器(9.5元/月)购买入口:请点击进入>>>,
如何搭建云服务器并且配置基础论文代码环境?
@TOC
前言
此次环境配置以AutoDL为例(可以选用其他服务器租用平台),主要是针对论文配置基本环境(Pytorch、Tensorflow、Conda...)
一、租用服务器并选定基础配置
打开AutoDL,注册后先进行充值,便于租用服务器(第一次充值可以充值5-10元)
进入
算力市场
,点击1卡可租
- 根据代码要求,选定镜像版本
具体建议
- Python:考虑使用Python 3.7,这些版本提供了更好的特性和性能改进,同时保持较好的库兼容性。
- TensorFlow:由于论文指定了TensorFlow版本小于2.0,建议选择TensorFlow 1.15,这是1.x系列中的最后一个并且是长期支持的版本。
- PyTorch:可以选择使用PyTorch的较新版本,例如1.8或1.9,除非有特定的库或代码依赖于更旧的版本。
二、容器初始化
- 开机并进入终端
在容器实例中给容器开机,并点击JupyterLab
进入该机器的终端
- 克隆项目
在GitHub对应的论文网址下,找到Code
下对应的论文路径。
通过git clone
的方式将项目克隆到目录下,对AutoDL来说,该目录一般是/root/autodl-tmp
下为项目新建的子目录。
git clone https://github.com/ma-compbio/Hyper-SAGNN.git /root/autodl-tmp/Hyper-SAGNN/
- 配置Conda环境
为每个项目创建一个新的Conda环境,并在Conda环境下配置该项目所需要的包,是一种推荐的做法。
隔离依赖:避免项目之间的依赖发生冲突
依赖管理:Conda能更好地处理包之间的依赖关系
Conda安装:Conda主要安装预编译的二进制包,这通常比从源代码编译安装(
pip install
)会更好。
- 命令
conda create -n Hyper python=3.7 // 创建一个Python版本为3.7的名为"Hyper"的Conda环境
source activate Hyper //激活Conda环境
conda install tensorflow-gpu==1.15 // Conda二进制安装对应版本的包
conda list
pip install tensorflow-gpu==1.15
pip list
- 配置环境之后,只要激活环境之后就进入了Conda环境之中。
4.如果需要在Pycharm里面打开项目的话,建议在也在Pycharm的Conda环境下搭建一个虚拟环境。
python -V
检查当前的Python版本输入conda create -n pytorch python=3.7在anaconda中创建一个python版本为3.9的虚拟环境pytorch。(环境名可自拟,python根据自己所需版本选择)若想移除环境,可用conda remove -n pytorch --all。
输入y
出现以下信息表示创建成功。
- 输入conda env list,可以看到我们创建的虚拟环境pytorch。
在base环境中输入conda activate pytorch进入pytorch环境,在pytorch环境中输入conda deactivate退出pytorch环境。
进入pytorch环境,输入“conda install + 库名” 添加库。
安装完成后,记得选用Scripts下面的可执行文件和Pytorch虚拟环境
三、项目的具体配置
- 大型配置(先装确定的)
确定的部分就是Requirements下的一些明确的配置。
由于我们在创建Conda环境的时候就为该环境指定了Python的版本,那么我们只需要安装Tensorflow和Pytorch。
// Tensorflow
pip install tensorflow-gpu == 1.15
// Pytorch
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu113 // 使安装的 PyTorch 将能够利用安装在系统上的 CUDA 11.3 版本来执行 GPU 加速的运算
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113 // 安装GPU torch
- 小型配置(缺啥补啥)
找到论文中运行的代码,在启动Conda环境后运行,如果运行后还缺少某些指令或者包,则再进行安装。
像图中例子,如果缺genism,再通过pip install
去安装缺的部分。
四、克隆
在配置完毕并成功运行代码后,如果我们不需要用了,关机后我们需要将配置好的机器克隆成多个。因为释放资源后原机器可能被抢占,所以我们通过克隆,看哪个克隆的机器闲置我们就去用相应的机器,节省时间。
将机器关机后,点击更多
,选择克隆实例
,勾选数据盘
,创建出新的实例。
五、常见问题
- 如果出现版本过低无法安装的情况,需要适当降低Conda环境的Python版本
// 直接在重新创建的命令后更改成一个较低的版本
conda create -n Hyper python=3.7